為什么人工智能落不了地？四大深水區(qū)問題待解

人工智能+行業(yè)擁有極為廣闊的想象空間和市場(chǎng)前景，而這也是幾年前人工智能產(chǎn)業(yè)尚處于投資風(fēng)口時(shí)，人工智能創(chuàng)業(yè)企業(yè)向各路投資人反復(fù)宣講的故事。

但幾年過去了，在很多傳統(tǒng)行業(yè)，如醫(yī)療、教育、物流、交通以及城市管理等等，人工智能的發(fā)展仍然處于小范圍試點(diǎn)階段，或者發(fā)揮著并不重要的作用，總體來說，有亮點(diǎn)，無驚喜。

這是為什么呢？主要可以歸為以下四點(diǎn)原因，或者說，以下四個(gè)問題，在某種程度上制約著人工智能在傳統(tǒng)行業(yè)中向更深層次進(jìn)行滲透，阻礙著人工智能在傳統(tǒng)行業(yè)發(fā)揮顛覆性的作用。

問題一，業(yè)務(wù)數(shù)據(jù)的對(duì)接。

沒有數(shù)據(jù)，任何模型都沒有意義。一些傳統(tǒng)行業(yè)在找科技企業(yè)做人工智能系統(tǒng)建設(shè)時(shí)，首先面臨的問題就是是否愿意以及高效地向?qū)Ψ教峁┧枰臉I(yè)務(wù)數(shù)據(jù)。如果人工智能科技企業(yè)拿不到足夠的業(yè)務(wù)數(shù)據(jù)，或者數(shù)據(jù)的批量化標(biāo)準(zhǔn)和對(duì)接效率存在問題，那么后續(xù)的工作也就無從談起了。

問題二，模型的可解讀性。

通常來說，基于神經(jīng)網(wǎng)絡(luò)和大量業(yè)務(wù)數(shù)據(jù)訓(xùn)練出來的模型像是一個(gè)黑盒子，人們并不知道“人工智能”的決策過程。但在許多傳統(tǒng)行業(yè)，業(yè)務(wù)人員要求所有的決策過程都應(yīng)該是有明確決策邏輯和可解讀的，很難容忍灰度和不確定性。所以，要想人工智能真正在傳統(tǒng)行業(yè)中介入核心業(yè)務(wù)流程，就需要推動(dòng)傳統(tǒng)行業(yè)業(yè)務(wù)人員與人工智能模型之間的互認(rèn)。

問題三，信息系統(tǒng)的對(duì)接。

在很多傳統(tǒng)行業(yè)，都已經(jīng)有了極為完備和復(fù)雜的信息化系統(tǒng)，如醫(yī)療、交通、城市管理等，而人工智能通常只是作為一個(gè)新增的業(yè)務(wù)系統(tǒng)，必須與原有的行業(yè)信息化系統(tǒng)配合才能正常工作。但很多行業(yè)信息化系統(tǒng)由于技術(shù)架構(gòu)較為陳舊，承載不了與人工智能系統(tǒng)的對(duì)接與實(shí)時(shí)交互。而如果另外搭建一套新的完整的系統(tǒng)，一方面需要極大的投資，另一方面也需要所有業(yè)務(wù)人員重新學(xué)習(xí)新系統(tǒng)的使用，成本很高。而如果勉強(qiáng)與原有信息化系統(tǒng)進(jìn)行對(duì)接，則可能讓人工智能系統(tǒng)的運(yùn)行效率大打折扣。

問題四，運(yùn)營模式的轉(zhuǎn)變。

雖然人工智能系統(tǒng)的最終效果一定會(huì)大于純?nèi)斯ぃ谙喈?dāng)長(zhǎng)的一段時(shí)間內(nèi)，其仍然需要大量的人工配合。業(yè)務(wù)人員需要基于人機(jī)交互，去及時(shí)響應(yīng)人工智能系統(tǒng)隨時(shí)可能出現(xiàn)的預(yù)警或發(fā)布的任務(wù)，這其實(shí)是徹底改變了傳統(tǒng)行業(yè)業(yè)務(wù)人員的工作流程。業(yè)務(wù)人員從使用系統(tǒng)的“主人”，變成了配合系統(tǒng)的“仆人”，工作主動(dòng)權(quán)和自由度降低。這種運(yùn)營模式改變，可能會(huì)讓傳統(tǒng)行業(yè)業(yè)務(wù)人員極不適應(yīng)，嚴(yán)重時(shí)會(huì)引發(fā)抵制。

總而言之，如果以上問題不解決，即便傳統(tǒng)行業(yè)試點(diǎn)上線了一些人工智能系統(tǒng)后，也常常會(huì)感覺其并沒有達(dá)到預(yù)期價(jià)值，從而對(duì)繼續(xù)推進(jìn)人工智能的全面落地產(chǎn)生了退縮。